Especialmente si usted es analista de vibraciones o usa datos de monitoreo de condición para tomar decisiones, es posible que se pregunte si un ordenador puede hacer su trabajo.

Imagine un futuro en el que personas como usted tomen mediciones, y el software analiza los espectros y las formas de onda de tiempo y proporciona un diagnóstico claro y una recomendación priorizada que es más del 95% precisa. El software sabe lo grave que es el problema y la rapidez con la que se está desarrollando. ¿Es posible?

En realidad, este sistema existía en 1993. Esto estaba en un conjunto limitado de máquinas, pero de lo que estamos hablando no es nuevo. Ese sistema se centró únicamente en la vibración, la información salió en un informe y actuamos al respecto. El alcance es mucho mayor hoy en día, con un medio diferente para alcanzar los objetivos.

¿Es este el futuro a largo plazo del análisis de vibraciones y el monitoreo de condiciones? ¿Tendremos unidades cyborg que puedan tomar lecturas en el calor y realizar observaciones y análisis?

¿Por qué se desarrolló el aprendizaje automático y por qué la gente está invirtiendo en él? En un mundo ideal, seríamos infinitamente educados. Seríamos capaces de diagnosticar cada problema, sabríamos exactamente cómo configurar nuestros sistemas, sabríamos todo sobre las máquinas y sus modos de falla, y tendríamos un tiempo sin fin para realizar análisis y pruebas especiales. Siempre sabríamos el estado del equipo y nada fallaría inesperadamente. Entenderíamos el contexto de funcionamiento de la máquina y tomaríamos esa información y mucho más en cuenta a la hora de tomar decisiones en lugar de considerar simplemente un parámetro como el espectro de vibración. Las decisiones se tomarían más rápidamente, y la información se entregaría a las personas que pudieran tomar medidas, y aconsejaría cambios operativos que podrían conducir a problemas futuros.

Desafortunadamente, no podemos probar o analizar todo, y tenemos que hacer compromisos. No siempre lo hacemos bien. No tenemos acceso a todas las máquinas que nos gustaría probar o a todos los datos que nos gustaría usar. No podemos probar lo suficiente. Usted está aquí porque la empresa para la que trabaja le valora a usted y a su formación, pero muchas otras empresas no están haciendo nada. Y sus máquinas fallan. El aprendizaje automático es especialmente beneficioso para estas empresas que son ineficientes y no han sido capaces de dominar el monitore de condición.

La práctica común es recopilar datos con poca frecuencia, y los PM a menudo se retrasan. Y toma mucho tiempo mirar a través de todos los datos, lo que nos facilita pasar por alto problemas. Y los informes no son claros.